基于循环神经网络的无线网络入侵检测分类模型构建与优化研究

• 作者: 陈京九 陈红松
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 入侵检测 循环神经网络 实例选择 模型优化 实验验证
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文
• 页码范围: 1427-1433
• 页数: 7页
• 分类号: TP393.08|TP183
• 字数: 6198字
• 语种: 中文
• DOI: 10.11999/JEIT180691

摘要

为提高无线网络入侵检测模型的综合性能,该文将循环神经网络(RNN)算法用于构建无线网络入侵检测分类模型.针对无线网络入侵检测训练数据样本分布不均衡导致分类模型出现过拟合的问题,在对原始数据进行清洗、转换、特征选择等预处理基础上,提出基于窗口的实例选择算法精简训练数据集.对攻击分类模型的网络结构、激活函数和可复用性进行综合优化实验,得到最终优化模型,分类准确率达到98.6699％,综合优化后的运行时间为9.13 s.与其他机器学习算法结果比较,该优化方法在分类准确率和执行效率两个方面取得了很好的效果,综合性能优于传统的入侵检测分类模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈红松	北京科技大学计算机与通信工程学院	25	97	6.0	9.0
5	陈京九	北京科技大学计算机与通信工程学院	3	4	1.0	2.0